[发明专利]人工智能开发平台的监控预知告警方法、装置及存储介质

权利要求书

1.一种人工智能开发平台的监控预知告警方法,其特征在于：包括以下步骤：

利用基于LSTM神经网络的预测模型，依据当前告警检测周期的监控数据，对下一周期的监控数据进行预测，得到监控预测值；

以告警检测周期为轴，将所述监控预测值和到达下一周期时得到的真实监控数据代入卡尔曼滤波中，得到该周期的最优监控预测值。

将所述最优监控预测值输入所述预测模型中，对再下一周期进行预测，得到最终监控预测值。

2.根据权利要求1所述的一种人工智能开发平台的监控预知告警方法，其特征在于：还包括：

将最终监控预测数据与告警阈值进行比较，若达到触发告警的条件，则生成告警信息。

3.根据权利要求1所述的一种人工智能开发平台的监控预知告警方法，其特征在于：在利用基于LSTM神经网络的预测模型，依据当前告警检测周期的监控数据，对下一周期的监控数据进行预测，得到监控预测值的步骤之前，还包括：

基于多个监控项的监控数据生成训练数据集；

基于所述训练数据集，按照每个监控项，按照单位告警检测周期，对初始LSTM神经网络进行训练，生成预测模型。

4.根据权利要求3所述的一种人工智能开发平台的监控预知告警方法，其特征在于：基于监控项的监控数据生成训练数据集的步骤，包括：

将监控数据作为训练文本，对训练文本进行预处理；

对预处理后的训练文本进行识别，生成训练文本的关键词；

对训练文本中的词语进行编码，得到高维空间连续词向量，对关键词进行同样的编码得到关键词向量；

将关键词向量添加至对应的词向量对词向量进行加权得到训练数据集。

5.根据权利要求3所述的一种人工智能开发平台的监控预知告警方法，其特征在于：所述监控项包括GPU温度，GPU使用率，GPU显存使用率，CPU使用率，内存使用率，磁盘读写指标。

6.根据权利要求1所述的一种人工智能开发平台的监控预知告警方法，其特征在于：利用基于LSTM神经网络的预测模型，依据当前告警检测周期的监控数据，对下一周期的监控数据进行预测，得到监控预测值的步骤之后，还包括：

对所述监控预测值进行分类。

7.根据权利要求1所述的一种人工智能开发平台的监控预知告警方法，其特征在于：卡尔曼滤波具体为：最终值＝p*观察值+(1-p)预测值，其中观察值为获取到的实际监控值，预测值为所述监控预测值，p为卡尔曼增益，通过对p不断调优，使最终值根据观察值与预测值得到更为趋近于真实的结果。

8.一种人工智能开发平台的监控预知告警装置，其特征在于：包括

预测模块，用于利用基于LSTM神经网络的预测模型，依据当前告警检测周期的监控数据，对下一周期的监控数据进行预测，得到监控预测值；

优化模块，用于以告警检测周期为轴，将所述监控预测值和到达下一周期时得到的真实监控数据代入卡尔曼滤波中，得到该周期的最优监控预测值。

所述预测模块，还用于将所述最优监控预测值输入所述预测模型中，对再下一周期进行预测，得到最终监控预测值。

9.根据权利要求8所述的一种人工智能开发平台的监控预知告警装置，其特征在于：还包括

训练模块，用于基于多个监控项的监控数据生成训练数据集；基于所述训练数据集，按照每个监控项，按照单位告警检测周期，对初始LSTM神经网络进行训练，生成预测模型。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的方法的步骤。